К содержимому
Другое

K-Decision-9B

корейский движок решений с калиброванными вероятностями

1 мин чтения

K-Decision-9B v0.1 — первый публичный релиз от ONYULTEA: специализированная под корейский язык модель на базе Qwen/Qwen3.5-9B (8,95 млрд параметров). Это не чат-LLM: она принимает state и типизированные вопросы, а на выходе в одном forward pass даёт структурированное решение с вероятностями по всем вариантам.

Ключевые особенности

  • Не генерирует текст: предсказывает логиты символов ответа у маркеров в JSON-скелете, без цикла декодирования.
  • Поддерживает choice (2–26 вариантов) и noul (да/нет); softmax ограничен легальными символами, сумма вероятностей = 1.
  • Обучение и сервис — на одной 24GB consumer GPU: int8 LoRA, r=32; int8 выбран вместо 4-bit из-за точности вероятностей.
  • Специализация: корейские бытовые домены — администрация, медицина, CS, инфраструктура, образование, работа, агенты; языки — корейский и английский.
  • Веса Apache-2.0; есть сервер /v1/systemone, совместимый с System One / Jev.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "ONYULTEA/K-Decision-9B", torch_dtype=torch.bfloat16, device_map="auto")
tok = AutoTokenizer.from_pretrained("ONYULTEA/K-Decision-9B")
ПодробнееLocalLLaMA typed-decisions: 0.818 (fitted); KoBEST: 0.866; Korean holdout: 0.997.
Decision Index 0.3: 30.7 (raw 44.8), p50 168 ms, 0 ошибок на 140 тыс. запросов.
Лимиты: до 26 вариантов choice и 6 000 символов state; KMMLU ~30%; высокорисковые решения — только с человеком.
Веса Apache-2.0; обучение и сервис на одной 24GB GPU (int8 LoRA, r=32), ECE ~0.001 на holdout.
Обсудить Telegram 1 37

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.3 GB9.7 GB
  • 4-bitвеса 4.7 GB5.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 3080 · F16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ONYULTEA/K-Decision-9B
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ONYULTEA/K-Decision-9B --local-dir ~/models/K-Decision-9B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к K-Decision-9B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. K-Decision-9B

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

ONYULTEA/K-Decision-9B
Автор
ONYULTEA
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

371

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии